# 時間序列預測

應龍是一款用於時間序列預測的基礎模型，預訓練於78B時間點，為時間序列預測任務提供強大支持。

ChatTime-1-7B-Base是一個專注於時間序列預測的基礎模型，支持多模態時間序列處理。

ChatTime-1-7B-Chat是一個專注於時間序列預測的多模態基礎模型，基於7B參數規模構建。

該模型是一個用於時間序列預測的模型，支持英語語言，使用特定的許可證（bethana15）。

基於PatchTSMixer架構的時間序列預測模型，由IBM開發，適用於多變量時間序列預測任務。

IBM Granite系列的時間序列預測模型，基於PatchTST架構，適用於多種時間序列預測任務。

Chronos是基於語言模型架構的預訓練時間序列預測模型家族，通過量化和縮放將時間序列轉化為標記序列進行訓練。

ChatTime是一個創新的多模態時間序列基礎模型，將時間序列建模為外語，統一處理時間序列與文本的雙模態輸入/輸出。

Chronos是基於語言模型架構的預訓練時間序列預測模型家族，通過將時間序列轉換為token序列進行訓練，支持概率預測。

Chronos是基於語言模型架構的預訓練時間序列預測模型家族，通過量化和縮放將時間序列轉換為token序列進行訓練。

Chronos是基於語言模型架構的預訓練時間序列預測模型家族，通過將時間序列轉化為token序列進行訓練，支持概率預測。

Chronos是基於語言模型架構的預訓練時間序列預測模型家族，通過量化和縮放將時間序列轉化為標記序列進行訓練。

Chronos是基於語言模型架構的預訓練時間序列預測模型家族，通過將時間序列轉化為標記序列進行訓練，實現概率預測。

Chronos是基於語言模型架構的預訓練時間序列預測模型家族，通過量化和縮放將時間序列轉化為token序列進行訓練，適用於概率預測任務。

Chronos-T5是基於語言模型架構的預訓練時間序列預測模型，通過將時間序列轉換為標記序列並利用交叉熵損失訓練語言模型，實現概率預測。